超音波の音圧データ解析技術（R言語）

超音波の音圧データ解析技術（R言語） 超音波伝搬状態の解析・評価 音圧グラフ 横軸：時間 縦軸：音圧 音圧データの解析（自己相関） 超音波システム研究所

音圧測定

１． 準備 解析用データの確認 超音波の音圧測定データ （例 オシロスコープの測定データ形式 PSDATA ファイル）から 解析用の Microsoft Office Excel CSV ファイル を作成・保存してください 例

２． 解析ソフトの立ち上げ ダブルクリックして立ち上げる ＞｜ 左記のようなプロンプト表示が行われます エラー表示が行われた場合には、 その他の作業ファイル・・・を終了してから もう一度立ち上げてください

３． 解析ソフトの読み込み ３－１：パッケージ－＞ ローカルにあるｚｉｐファイルからの・・・・ ３－２：デスクトップのｚｉｐファイル ＴＩＭＳＡＣ1.2.1 を選択する Package‘timsac’ （TimeSeriesAnalysisandControlPackage） Functionsforstatisticalanalysis,predictionandcontroloftimeseriesbasedmainl yonAkaikeandNakagawa(1988)

３－３：読み込み画面の確認 ３－４：パッケージの読み込み パッケージ－＞パッケージ読み込み・・・ 選択する

３－５：ｔｉｍｓａｃの選択 ３－６：「ＯＫ」選択により読み込み 以上で解析準備完了です

参考 バイスペクトル バイスペクトルは以下のように 周波数 f1、f 2、f1 + f 2のスペクトルの積で表すことができる。 B( f1 , f 2 ) = X ( f1 )Y( f 2 )Z ( f1 + f 2 ) 主要周波数が f1であるとき、 f1 + f1 = f 2、f1 + f 2 = f3で表される f 2、f3という周波数成分 が存在すればバイスペクトルは値をもつ。 これは主要周波数 f1の整数倍の周波数成分を持つこと と同等であるので、バイスペクトルを評価することにより、 高調波の存在を評価できる。 詳しい説明は専門書・・・を読んで確認してください エクセルファイルのデータ列

解析コマンド dev.off() par(mfrow=c(2,2)) ： 2行 2 列のグラフ表示設定 data11 <- read.table("C:/20191220/20191220-0030/20191220-0030_12.csv", skip=6, sep=",", nrows=6000) plot(data11$V2) data11 <- read.table("C:/20191220/20191220-0030/20191220-0030_12.csv", skip=6, sep=",", nrows=6000) spectrum(data11$V2,method="ar") data11 <- read.table("C:/20191220/20191220-0030/20191220-0030_12.csv", skip=6, sep=",", nrows=6000) bispec(data11$V2) data11 <- read.table("C:/20191220/20191220-0030/20191220-0030_12.csv", skip=6, sep=",", nrows=6000) autcor(data11$V2)

dev.off() 解説 終了 plot(data11$V2) 解説 data11 の 2 番目のデータ列（１ｃｈの測定データ）に対して プロット（音圧測定データのグラフ作成）を行う spectrum(data11$V2,method="ar") 解説 data11の 2 番目のデータ列（１ｃｈの測定データ）に対して ＡＲ（自己回帰）モデルによるスペクトル解析を行う bispec(data11$V2) 解説 data11の 2 番目のデータ列（１ｃｈの測定データ）に対して バイスペクトル解析を行う autcor(data11$V2) 解説 data11の 2 番目のデータ列（１ｃｈの測定データ）に対して 自己相関の解析を行う dev.off()

参考 １）以下のようにテキストデータをコピーしてＲの画面にペーストすると １ｃｈと２ｃｈのデータ比較ができます dev.off() par(mfrow=c(4,2)) data11 <- read.table("C:/20191220/20191220-0022/20191220-0022_12.csv", skip=6, sep=",", nrows=6000) plot(data11$V2) data11 <- read.table("C:/20191220/20191220-0022/20191220-0022_12.csv", skip=6, sep=",", nrows=6000) spectrum(data11$V2,method="ar") data11 <- read.table("C:/20191220/20191220-0022/20191220-0022_12.csv", skip=6, sep=",", nrows=6000) bispec(data11$V2) data11 <- read.table("C:/20191220/20191220-0022/20191220-0022_12.csv", skip=6, sep=",", nrows=6000) autcor(data11$V2) data11 <- read.table("C:/20191220/20191220-0022/20191220-0022_12.csv", skip=6, sep=",", nrows=6000) plot(data11$V3) data11 <- read.table("C:/20191220/20191220-0022/20191220-0022_12.csv", skip=6, sep=",", nrows=6000) spectrum(data11$V3,method="ar") data11 <- read.table("C:/20191220/20191220-0022/20191220-0022_12.csv", skip=6, sep=",", nrows=6000) bispec(data11$V3) data11 <- read.table("C:/20191220/20191220-0022/20191220-0022_12.csv", skip=6, sep=",", nrows=6000) autcor(data11$V3)

２）以下のようにテキストデータをコピーしてＲの画面にペーストすると すべての解析を連続的に行います dev.off() par(mfrow=c(2,2)) data11 <- read.table("C:/20191220/20191220-0022/20191220-0022_12.csv", skip=6, sep=",", nrows=6000) plot(data11$V2) data11 <- read.table("C:/20191220/20191220-0022/20191220-0022_12.csv", skip=6, sep=",", nrows=6000) spectrum(data11$V2,method="ar") data11 <- read.table("C:/20191220/20191220-0022/20191220-0022_12.csv", skip=6, sep=",", nrows=6000) bispec(data11$V2) data11 <- read.table("C:/20191220/20191220-0022/20191220-0022_12.csv", skip=6, sep=",", nrows=6000) autcor(data11$V2) ・・・・・・・・ ・・・・・・・・ data11 <- read.table("C:/20191220/20191220-0022/20191220-0022_24.csv", skip=6, sep=",", nrows=6000) plot(data11$V2) data11 <- read.table("C:/20191220/20191220-0022/20191220-0022_24.csv", skip=6, sep=",", nrows=6000) spectrum(data11$V2,method="ar") data11 <- read.table("C:/20191220/20191220-0022/20191220-0022_24.csv", skip=6, sep=",", nrows=6000) bispec(data11$V2) data11 <- read.table("C:/20191220/20191220-0022/20191220-0022_24.csv", skip=6, sep=",", nrows=6000) autcor(data11$V2)

３）以下のようにテキストデータをコピーしてＲの画面にペーストすると 自己相関の変化をグラフで確認できます 下記をコピー＆ペースト par(mfrow=c(4,4)) data11 <- read.table("C:/2024/20240301-0002/20240301-0002_01.csv", skip=6, sep=",", nrows=15000) autcor(data11$V2) data11 <- read.table("C:/2024/20240301-0002/20240301-0002_02.csv", skip=6, sep=",", nrows=15000) autcor(data11$V2) data11 <- read.table("C:/2024/20240301-0002/20240301-0002_03.csv", skip=6, sep=",", nrows=15000) autcor(data11$V2) data11 <- read.table("C:/2024/20240301-0002/20240301-0002_04.csv", skip=6, sep=",", nrows=15000) autcor(data11$V2) ・・・ data11 <- read.table("C:/2024/20240301-0002/20240301-0002_30.csv", skip=6, sep=",", nrows=15000) autcor(data11$V2) data11 <- read.table("C:/2024/20240301-0002/20240301-0002_31.csv", skip=6, sep=",", nrows=15000) autcor(data11$V2) data11 <- read.table("C:/2024/20240301-0002/20240301-0002_32.csv", skip=6, sep=",", nrows=15000) autcor(data11$V2)

４）以下のようにテキストデータをコピーしてＲの画面にペーストすると バイスペクトルの変化をグラフで確認できます 下記をコピー＆ペースト par(mfrow=c(4,4)) data11 <- read.table("C:/2024/20240301-0002/20240301-0002_01.csv", skip=6, sep=",", nrows=6000) bispec(data11$V2) data11 <- read.table("C:/2024/20240301-0002/20240301-0002_02.csv", skip=6, sep=",", nrows=6000) bispec(data11$V2) data11 <- read.table("C:/2024/20240301-0002/20240301-0002_03.csv", skip=6, sep=",", nrows=6000) bispec(data11$V2) data11 <- read.table("C:/2024/20240301-0002/20240301-0002_04.csv", skip=6, sep=",", nrows=6000) bispec(data11$V2) ・・・ data11 <- read.table("C:/2024/20240301-0002/20240301-0002_29.csv", skip=6, sep=",", nrows=6000) bispec(data11$V2) data11 <- read.table("C:/2024/20240301-0002/20240301-0002_30.csv", skip=6, sep=",", nrows=6000) bispec(data11$V2) data11 <- read.table("C:/2024/20240301-0002/20240301-0002_31.csv", skip=6, sep=",", nrows=6000) bispec(data11$V2) data11 <- read.table("C:/2024/20240301-0002/20240301-0002_32.csv", skip=6, sep=",", nrows=6000) bispec(data11$V2)

実施例：バイスペクトルの変化を確認する dev.off() par(mfrow=c(3,2)) data11 <- read.table("C:/20191220/20191220-0022/20191220-0022_13.csv", skip=6, sep=",", nrows=6000) bispec(data11$V2) data11 <- read.table("C:/20191220/20191220-0022/20191220-0022_14.csv", skip=6, sep=",", nrows=6000) bispec(data11$V2) data11 <- read.table("C:/20191220/20191220-0022/20191220-0022_15.csv", skip=6, sep=",", nrows=6000) bispec(data11$V2) data11 <- read.table("C:/20191220/20191220-0022/20191220-0022_16.csv", skip=6, sep=",", nrows=6000) bispec(data11$V2) data11 <- read.table("C:/20191220/20191220-0022/20191220-0022_17.csv", skip=6, sep=",", nrows=6000) bispec(data11$V2) data11 <- read.table("C:/20191220/20191220-0022/20191220-0022_18.csv", skip=6, sep=",", nrows=6000) bispec(data11$V2)

実施例：自己相関の変化を確認する dev.off() par(mfrow=c(3,2)) data11 <- read.table("C:/20191220/20191220-0022/20191220-0022_13.csv", skip=6, sep=",", nrows=6000) autcor(data11$V2) data11 <- read.table("C:/20191220/20191220-0022/20191220-0022_14.csv", skip=6, sep=",", nrows=6000) autcor(data11$V2) data11 <- read.table("C:/20191220/20191220-0022/20191220-0022_15.csv", skip=6, sep=",", nrows=6000) autcor(data11$V2) data11 <- read.table("C:/20191220/20191220-0022/20191220-0022_15.csv", skip=6, sep=",", nrows=6000) autcor(data11$V2) data11 <- read.table("C:/20191220/20191220-0022/20191220-0022_17.csv", skip=6, sep=",", nrows=6000) autcor(data11$V2) data11 <- read.table("C:/20191220/20191220-0022/20191220-0022_18.csv", skip=6, sep=",", nrows=6000) autcor(data11$V2)

解析の詳細・解析結果の解釈・・・については 以下の参考書籍・・・の専門書を読んでください 参考書籍 １：統計数理 １）叩いて超音波で見る―非線形効果を利用した計測 佐藤 拓宋 (著) 出版社: コロナ社 (1995/06) ２）電気系の確率と統計 佐藤 拓宋 (著) 出版社: 森北出版 (1971/01) ３）不規則信号論と動特性推定 宮川 洋 (著), 佐藤拓宋 (著), 茅 陽一 (著) 出版社: コロナ社 (1969) ４）赤池情報量規準 AIC―モデリング・予測・知識発見 赤池 弘次 (著), 室田 一雄 (編さん), 土谷 隆 (編さん) 出版社: 共立出版 (2007/07) ５）ダイナミックシステムの統計的解析と制御 赤池 弘次 (著), 中川 東一郎 (著) 出版社: サイエンス社(1972) ２：超音波技術 １）超音波工学と応用技術 ベ．ア．アグラナート （他共著）,青山 忠明 （訳）,遠藤 敬一 （訳） 発行年月：１９９１ 出版社： 日ソ通信社 ２）超音波入門 (科学普及新書) エリ・デ・ローゼンベルク 著, 上田光隆 訳 発行年月：１９６７ 出版社：東京図書 参考資料 超音波の相互作用を評価する技術２ http://ultrasonic-labo.com/?p=12202 超音波加工・溶接技術（特開 2021-171909） http://ultrasonic-labo.com/?p=3963 ＡＩＣ（情報量規準）を利用した超音波技術 http://ultrasonic-labo.com/?p=1074 超音波技術：多変量自己回帰モデルによるフィードバック解析 http://ultrasonic-labo.com/?p=15785

＜＜超音波の音圧データ解析・評価＞＞ １）時系列データに関して、 多変量自己回帰モデルによるフィードバック解析により 測定データの統計的な性質（超音波の安定性・変化）について解析評価します ２）超音波発振による、発振部が発振による影響を インパルス応答特性・自己相関の解析により 対象物の表面状態・・に関して、超音波振動現象の応答特性として解析評価します ３）発振と対象物（洗浄物、洗浄液、水槽・・）の相互作用を パワー寄与率の解析により評価します ４）超音波の利用（洗浄・加工・攪拌・・）に関して 超音波効果の主要因である対象物（表面弾性波の伝搬） あるいは対象液に伝搬する超音波の非線形（バイスペクトル解析結果）現象により 超音波のダイナミック特性を解析評価します この解析方法は、 複雑な超音波振動のダイナミック特性を 時系列データの解析手法により、 超音波の測定データに適応させるこれまでの経験と実績に基づいて実現しています。 超音波の伝搬特性 １）振動モードの検出（自己相関の変化） ２）非線形現象の検出（バイスペクトルの変化） ３）応答特性の検出（インパルス応答の解析） ４）相互作用の検出（パワー寄与率の解析） 注：「R」フリーな統計処理言語かつ環境 autcor：自己相関の解析関数 bispec：バイスペクトルの解析関数 mulmar：インパルス応答の解析関数 mulnos：パワー寄与率の解析関数

解析ソフトについて TIMSAC for R package 統計数理研究所 November 1, 2006 TIMSAC(TIMe Series Analysis and Control program package) は，統計数理研 究所で開発された時系列データの解析，予測，制御のための総合的プログラムパッ ケージです．・・・ TIMSAC はFORTRANで書かれたプログラムですが，ユーザーが作成した FORTRAN，C，Java のプログラムにこのライブラリをリンクすることにより，よ り扱い易い環境が実現されました． バイスペクトルの解析関数 bispec() : バイスペクトルの計算 自己相関の解析関数 autcor() : 直接法による自己共分散関数の計算 ３）TIMSAC for R package http://jasp.ism.ac.jp/ism/timsac/

参考データ 解析結果 自己相関（最大 ２００Ｌａｇ） 音圧データ１：青 音圧データ１：赤 音圧データ２：青 音圧データ２：赤 バイスペクトル（最大周波数 ６２ＭＨｚ） 音圧データ１：青 音圧データ１：赤 音圧データ２：青 音圧データ２：赤 １００μ秒でこのような音圧変化を実現することが、新しい超音波制御技術です